1700536527
1700536528
1700536529
1700536530
1700536531
（7.16）
1700536532
1700536533
稍加推导就能得到最优解为（试着自己推导）
1700536534
1700536535
1700536536
1700536537
1700536538
（7.17）
1700536539
1700536540
直接法要满足的这两个条件限制了它的应用范围。因此，在很多实际问题中，会采用迭代法。迭代法就是迭代地修正对最优解的估计。假设当前对最优解的估计值为θt，希望求解优化问题
1700536541
1700536542
1700536543
，
1700536544
1700536545
（7.18）
1700536546
1700536547
1700536548
来得到更好的估计值。迭代法又可以分为一阶法和二阶法两类。
1700536549
1700536550
1700536551
一阶法对函数 做一阶泰勒展开，得到近似式
1700536552
1700536553
1700536554
1700536555
1700536556
（7.19）
1700536557
1700536558
由于该近似式仅在δ较小时才比较准确，因此在求解δt时一般加上L2正则项
1700536559
1700536560
1700536561
1700536562
1700536563
1700536564
．
1700536565
1700536566
（7.20）
1700536567
1700536568
由此，一阶法的迭代公式表示为
1700536569
1700536570
1700536571
，
1700536572
1700536573
（7.21）
1700536574
1700536575
其中α称为学习率。一阶法也称梯度下降法，梯度就是目标函数的一阶信息。
1700536576